Caspian Journal of Scientometrics

fa ترسیم نقشه مفهومی کاربردهای هوش مصنوعی در کتابخانه‌ها: مطالعه‌ای علم‌سنجی مبتنی بر داده‌های پایگاه Web of Science Mapping the Conceptual Structure of Artificial Intelligence Applications in Libraries: A Scientometric Study Based on Web of Science Data علم سنجی Scientometrics اصیل Orginal <div style="text-align: justify;">سابقه و هدف: هم‌زمان با گسترش کاربرد هوش مصنوعی، مطالعات متعددی نیز به بررسی کاربردهای این فناوری در کتابخانه‌ها و مراکز اطلاع‌رسانی پرداخته‌اند. پژوهش حاضر با هدف شناسایی ساختار مفهومی حوزه کاربردهای هوش مصنوعی در کتابخانه‌ها و تبیین روندهای پژوهشی آن انجام شد. مواد و روش‌ها: این مطالعه از نوع علم‌سنجی بوده و با استفاده از تحلیل هم‌واژگانی انجام شده است. جامعه پژوهش شامل ۸۴۰۳ مدرک نمایه‌شده در پایگاه Web of Science طی سال‌های ۲۰۰۰ تا ۲۰۲۴ است. در مجموع ۳۰۸۵۱ کلیدواژه نویسندگان استخراج شد و پس از پاک‌سازی و استانداردسازی، ۱۵۳۶۰ کلیدواژه یکتا باقی ماند. تحلیل داده‌ها با استفاده از نرم‌افزارهای BibExcel و VOSviewer انجام شد؛ BibExcel برای آماده‌سازی داده‌ها و تشکیل ماتریس هم‌رخدادی واژگان و VOSviewer برای ترسیم نقشه هم‌واژگانی، نمایش شبکه روابط میان مفاهیم و شناسایی خوشه‌های موضوعی بر اساس تکنیک خوشه‌بندی VOS به‌کار رفت. شاخص‌های مرکزیت و تراکم نیز برای تحلیل نمودار راهبردی استفاده شدند. یافته‌ها: یافته‌ها نشان داد که از میان کلیدواژه‌های استخراج‌شده، مفاهیم «هوش مصنوعی» با بسامد وقوع ۱۱۹۲، «یادگیری ماشین» با بسامد وقوع ۹۶۹ و «پردازش زبان طبیعی» با بسامد وقوع ۶۴۳، پرتکرارترین کلیدواژه‌ها در داده‌های پژوهش بودند. قوی‌ترین روابط هم‌رخدادی میان کلیدواژه‌های «هوش مصنوعی–یادگیری ماشین» با فراوانی هم‌رخدادی ۱۴۵ و «یادگیری ماشین–پردازش زبان طبیعی» با فراوانی هم‌رخدادی ۱۳۱ مشاهده شد. تحلیل خوشه‌ای به شناسایی هشت خوشه مفهومی منجر گردید. میانگین مرکزیت خوشه‌ها ۳۵/۱ و میانگین تراکم آن‌ها ۰/۸۶۴ به‌دست آمد. خوشه‌های «خدمات نوین و تعامل کاربر» (۷۸/۱۵؛ ۰/۴۴۴)، «اخلاق و حکمرانی هوش مصنوعی» (۴۲/۱۲؛ ۰/۶۷۹) و «مدل‌های یادگیری ماشین و سیستم‌های توصیه‌گر» (۴۵/۱۴؛ ۰/۸۳۶) دارای مرکزیت بالاتر از میانگین بودند، در حالی که خوشه‌های «مدل‌های زبانی بزرگ و بازیابی اطلاعات» (۲۹/۸۱؛ ۱/۵۹) و «تحلیل احساسات و شناسایی اخبار نادرست» (۳۲/۵؛ ۲/۳۲) بیشترین تراکم را نشان دادند. هیچ خوشه‌ای در ناحیه محوری و تثبیت‌شده نمودار راهبردی قرار نگرفت. نتیجه‌گیری: با توجه به مرکزیت بالای خوشه‌های مرتبط با خدمات نوین، اخلاق و حکمرانی هوش مصنوعی و مدل‌های یادگیری ماشین، و نیز تراکم بالای خوشه‌های مدل‌های زبانی بزرگ و تحلیل احساسات، تقویت زیرساخت‌های فناورانه، آموزش سواد الگوریتمی کتابداران و تدوین سیاست‌های اخلاقی و اجرایی برای استفاده مسئولانه از هوش مصنوعی، از الزامات کلیدی توسعه این حوزه در کتابخانه‌ها به‌شمار می‌رود.</div> <div style="text-align: justify;">Background and aim: As artificial intelligence applications have expanded, numerous studies have also investigated the use of this technology in libraries and information centers. This study aims to identify the conceptual structure of artificial intelligence applications in libraries and to analyze the research trends in this field. Materials and methods: This scientometric study was conducted using co-word analysis. The research dataset consisted of 8,403 documents indexed in the Web of Science database from 2000 to 2024. A total of 30,851 author keywords were extracted, and after cleaning and standardization, 15,360 unique keywords remained. Data were analyzed using BibExcel and VOSviewer. BibExcel was used to prepare the data and construct the keyword co-occurrence matrix, while VOSviewer was used to visualize the co-word network, display the relationship between concepts, and identify thematic clusters based on the VOS clustering technique. Centrality and density indices were additionally utilized to analyze the strategic diagram. Findings: The findings revealed that among the extracted keywords, the concepts “artificial intelligence” with an occurrence frequency of 1,192, “machine learning” with an occurrence frequency of 969, and “natural language processing” with an occurrence frequency of 643 were the most frequent keywords in the dataset. The strongest co-occurrence relationships between all keyword pairs were observed between "artificial intelligence" and "machine learning," which appeared together 145 times, followed closely by "machine learning" and "natural language processing," with a co-occurrence frequency of 131. Cluster analysis identified eight conceptual clusters. The mean centrality and density values of the clusters were 35.1 and 0.864, respectively. The clusters of “innovative services and user interaction” (78.15; 0.444), “AI ethics and governance” (42.12; 0.679), and “machine learning models and recommender systems” (45.14; 0.836) showed centrality values above the mean. In contrast, the clusters of “large language models and information retrieval” (29.81; 1.59) and “sentiment analysis and misinformation detection” (32.5; 2.32) showed the highest density values. None of the identified clusters were located within the central and well-established zone of the strategic diagram. Conclusion: Considering the high centrality of clusters pertaining to innovative services, AI ethics and governance, and machine learning models, alongside the high density of clusters focusing on large language models and sentiment analysis, three key requirements emerge for the advancement of this field in libraries: strengthening technological infrastructure, enhancing algorithmic literacy among library professionals, and formulating ethical and operational policies to govern the responsible use of artificial intelligence.</div> هوش مصنوعی, کتابخانه‌ها, علم‌سنجی, هم‌واژگانی, نقشه علمی Artificial intelligence, Libraries, Scientometric study, Co-word analysis, Science mapping 80 93 http://cjs.mubabol.ac.ir/browse.php?a_code=A-10-499-1&slc_lang=fa&sid=1 Simin Haddad Araghi سیمین حداد عراقی siminhddd@gmail.com 10031947532846004844 10031947532846004844 No Department of Knowledge and Information Science, Bab.C, Islamic Azad University, Babol, Iran گروه علم اطلاعات و دانش‌شناسی، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران Mitra Ghiasi میترا قیاسی Mitra.ghiasi@iau.ac.ir 10031947532846004845 10031947532846004845 Yes Department of Knowledge and Information Science, Bab.C, Islamic Azad University, Babol, Iran گروه علم اطلاعات و دانش‌شناسی، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران Seyed Ali Asghar Razavi سید علی اصغر رضوی aa_razavi@yahoo.com 10031947532846004846 10031947532846004846 No Department of Knowledge and Information Science, Bab.C, Islamic Azad University, Babol, Iran گروه علم اطلاعات و دانش‌شناسی، واحد بابل، دانشگاه آزاد اسلامی، بابل، ایران